Données

Description des données

Les données utilisées comportent 15 variables :

  • sex
  • une variable qualitative variable1
  • 12 variables concernant la séquence du temps \(t_0\) au temps \(t_{11}\)
## Warning: package 'DT' was built under R version 4.0.5

Recoder , Recoder… les valeurs manquantes

Pourquoi recoder une valeur manquante

Si ce n’en est pas une. La question filtre impose une non réponse mais la donnée n’est pas manquante , elle est non concernée

Parce que la non -réponse doit être étudiée comme modalité (analyse de la non reponse, ACM pour profil de non réponse successive etc…)

.footnote[ penser coalesce() pour les variables manquantes dues à un filtre]


Recoder des variables qualitatives

  • Creer une variable à partir d’une autre :

    1. Les variables indicatrices
    2. Changer des intitulés de modalités
    3. Regrouper des modalités
  • Crée une variable à partir de plusieurs

  • Une variable par modalité

Les maison

On peut remplacer la valeur manquante par non concernée .panelset[ .panel[.panel-name[A l’ancienne]

On a les lignes qui contiennent les valeurs manquantes, on ecrase au profit d’une autre modalité

]

.panel[.panel-name[replace_na]

## Warning: package 'dplyr' was built under R version 4.0.5
## 
## Attaching package: 'dplyr'
## The following object is masked from 'package:kableExtra':
## 
##     group_rows
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
## Warning: package 'tidyr' was built under R version 4.0.5
##     
##      Arryn Baratheon Bolton Frey Greyjoy Lannister Martell Mormont  NC Stark
##   NC     0         0      0    0       0         0       0       0 507     0
##     
##      Targaryen Tarly Tully Tyrell Umber
##   NC         0     0     0      0     0

] ]

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